paddle第十九期3天训练营3.21-day2_paddle train.py epoch

第二十期3天AI进阶实战营Day2复现

第一步：重新安装环境

1.启动Notebook并打开

稍作等待，『运行中』的时候就可以打开了

2.重新运行下昨天的环境命令

#升级paddlepaddle至2.2.1
!pip install paddlepaddle-gpu==2.2.1.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
1
2

%cd /home/work/PaddleDetection/
!pip install -r requirements.txt
!python setup.py install
# 安装好上面的部分，paddleseg的依赖库也就都安装好了
1
2
3
4

**第二步：修改模型训练的yml文件

**进入左侧寻找
PaddleDetection–configs–yidaiyilu–ppvolov2_r50vd_dcn_optimize.yml
打开该yml文件
将epoch数值改为1（如果按照原有40训练，大概要训练15个小时）
为了不浪费大家的算力，epoch改为1大概需要训练20分钟左右。

关闭保存yml文件

# 首先数据已经为我们提供好了train.json和val.json的文件，并使用了coco标注的形式，
# 检测模型使用ppyolov2，在PaddleDetection/configs/yidaiyilu/路径下，已经写好了针对本次工程优化好的的ppyolov2_r50vd_dcn_optimize.yml
!ls /home/work/PaddleDetection/configs/yidaiyilu/
#确认yml文件中数据路径是否与数据所在位置一致#yml文件中的epoch为40，预计训练时长10小时，可通过减少epoch数控制训练时长
1
2
3
4

# 进入到PaddleDetection目录下
! pwd
%cd /home/work/PaddleDetection
1
2
3

训练第一个模型（大概需要20分钟）

# 下面使用已经写好的配置文件
!python -m paddle.distributed.launch --gpus 0 tools/train.py -c configs/yidaiyilu/ppyolov2_r50vd_dcn_optimize.yml --eval
1
2

训练成功截图

接下来训练第二个分割模型

# 首先进入到PaddleSeg环境中
%cd /home/work/PaddleSeg/
!ls
1
2
3

# # 数据已经为我们提供好了train_list.txt和val_list.txt的文件，
# 语义分割模型使用hardnet，在PaddleSeg/configs/hardnet/路径下，已经写好了针对本次比赛的ydyl_hardnet.yml
#确认yml文件中数据路径是否与数据所在位置一致
1
2
3

将这个PaddleSeg/configs/hardnet路径下的以下两个yml文件中的参数进行修改，可以更快的完成训练（如果按原有参数训练时间过长）

需要更新一下paddleSeg的依赖库

%cd /home/work/PaddleSeg/!pip install -r requirements.txt!python setup.py install
# 安装好上面的部分，paddleSeg的依赖库就安装好了
1
2

# 下面使用已经写好的配置文件，开始训练
!python -m paddle.distributed.launch train.py --config configs/hardnet/hardnet_ydyl.yml --do_eval --save_interval 1212
1
2

第三步：保存Notebook并关闭、停止运行，完成打卡